Εκτίμηση της ανακλαστικότητας επιφανειακού εδάφους με αξιοποίηση χρονοσειρών πολυφασματικών δορυφορικών δεδομένων

Σοφικίτη, Ελένη; Sofikiti, Eleni

dc.contributor.author	Σοφικίτη, Ελένη	el
dc.contributor.author	Sofikiti, Eleni	en
dc.date.accessioned	2025-01-28T12:42:52Z
dc.date.available	2025-01-28T12:42:52Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61002
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.28698
dc.rights	Default License
dc.subject	Σύνθετο φασματικής ανακλαστικότητας εδάφους	el
dc.subject	LUCAS 2015	en
dc.subject	Landsat 8	en
dc.subject	Χρονοσειρά	el
dc.subject	Πολυφασματικά δορυφορικά δεδομένα	el
dc.subject	Βare soil composite	en
dc.subject	Τηλεπισκοπικοί δείκτες	el
dc.subject	Time series	en
dc.subject	Multispectral satellite images	en
dc.subject	Spectral indices	en
dc.subject	Remote sensing	en
dc.subject	Spectral reflectance	en
dc.title	Εκτίμηση της ανακλαστικότητας επιφανειακού εδάφους με αξιοποίηση χρονοσειρών πολυφασματικών δορυφορικών δεδομένων	el
heal.type	masterThesis
heal.secondaryTitle	Estimating bare soil surface reflectance using multispectral satellite image time series	en
heal.classification	Remote Sensing	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-07
heal.abstract	Η δημιουργία σύνθετου φασματικής ανακλαστικότητας επιφανειακού εδάφους είναι χρήσιμη για την εκτίμηση ιδιοτήτων του εδάφους, που αξιοποιούνται ως δείκτες για την παρακολούθηση της υποβάθμισης του. Η παρούσα εργασία έχει στόχο τη διερεύνηση μεθοδολογιών για την εκτίμηση της φασματικής ανακλαστικότητας του επιφανειακού εδάφους, αξιοποιώντας χρονοσειρές πολυφασματικών δορυφορικών δεδομένων Landsat 8. Δημιουργούνται σύνθετα ενός έτους και αξιολογούνται με βάση τα φασματικά δεδομένα παρατηρήσεων πεδίου της βάσης LUCAS 2015, για να βρεθούν οι καλύτερες παράμετροι δημιουργίας σύνθετου φασματικής ανακλαστικότητας εδάφους για τον Ελλαδικό χώρο, ώστε αυτό να είναι απαλλαγμένο από την επιρροή της βλάστησης, της ξερής βλάστησης, της εδαφικής υγρασίας, και της τραχύτητας και να έχει επαρκή κάλυψη. Οι παράμετροι που διερευνώνται αφορούν στο ποιοί Τηλεπισκοπικοί δείκτες είναι χρήσιμοι, ποια είναι τα ιδανικά κατώφλια, καθώς και στους διαφορετικούς τρόπους κατωφλίωσης και σύνθεσης και στο πως επηρεάζει το αποτέλεσμα η εφαρμογή κατωφλίωσης στη νεφοκάλυψη της χρονοσειράς και στον ελάχιστο αριθμό εμφανίσεων επιφανειακού εδάφους για τη δημιουργία του σύνθετου. Από τα παραπάνω πειράματα επιλέγονται οι καλύτερες παράμετροι και γίνεται τελική αξιολόγηση σε σύνθετο 6 ετών. Τα αποτελέσματα δείχνουν ότι το σύνθετο αποτυπώνει διαφορές στο είδος των εδαφών, όμως η επίδραση των συνθηκών του εδάφους και της ατμόσφαιρας δεν απαλείφθηκε με την εφαρμογή των δεικτών. Η εφαρμογή της δυναμικής κατωφλίωσης στο σύνθετο 6 χρόνων βελτιώνει τη συσχέτιση με τα δεδομένα ελέγχου, διατηρώντας την κάλυψη σχετικά σταθερή. Επιπλέον η δημιουργία του σύνθετου με διαφορετικούς δείκτες οδηγεί σε καλύτερη συσχέτιση σε διαφορετικά κανάλια, κάνοντας σημαντική την περαιτέρω αξιολόγηση των σύνθετων με βάση την ικανότητα εκτίμησης ιδιοτήτων του εδάφους.	el
heal.abstract	Land degradation is a growing problem that needs to be addressed. European Union and United Nations have been implementing policies towards land degradation monitoring. Bare soil reflectance composite from multispectral satellite image time series has been used in the literature to estimate topsoil attributes such as soil organic carbon (SOC) content, CaCO3, sand, silt and clay content and soil organic matter content. These attributes are useful to compute land degradation indicators for monitoring land degradation improvement. Goal of the presented thesis is the estimation of bare soil reflectance in Greece, creating a bare soil reflectance composite in Google Earth Engine, based on multiple existing methodologies in the literature. The main workflow is to acquire a satellite timeseries and create a bare soil mask for every image, using remote sensing indices thresholding, and then compositing all bare soil instances to one image, that represents the soil’s reflectance. The challenges that come with this, are to separate soil from vegetation and particularly crop residue and to limit the effects of soil moisture and surface roughness on bare soil’s reflectance. In this work, Landsat 8 images are used to create bare soil composites of 1 or 6 years and are validated against reference soil reflectance data from LUCAS 2015 Topsoil database. Experiments for one year (2015) bare soil composite are conducted to conclude which are the best parameters for the following: a) which is the most useful combination for the indices NDVI, NBR2, BSI, S2WI, b) which are the appropriate thresholds to eliminate the effects of crop residue and soil moisture, c) different compositing methods where tested, mean, median, min NDVI, min NBR2, min S2WI, max BSI, d) what is the most appropriate maximum cloud cover to use for the timeseries, e) does setting a minimum number of bare soil instances for the pixels that are included in the composite improves the results, f) dynamic masking was tested for all the indices. Then selected experiments with the best parameters were conducted for 6-years composite (2015-2020). Apart from the quantitative assessment, qualitative assessment was conducted, investigating the natural colour composite, the bare soil frequency and standard deviation of the indices in time, for selected agricultural fields. Results are in line with the literature and encouraging towards achieving adequate estimation of bare soil reflectance from multispectral satellite image timeseries. The results showed that by increasing bare soil frequency by using longer timeseries and by eliminating pixels with very low frequency, substantially better correlation with reference data is achieved. Also, the results showed that all spectral indices are useful to achieve good correlation but BSI and S2WI where more useful when used with dynamic thresholding. Dynamic thresholding achieved good correlation only with the 6-years composite, possibly due to very low bare soil frequency for the 1-year composite. The thresholds that achieved the best correlation with the reference data are 0.10 for NBR2 and 0.25 and 0.30 for NDVI, and when using dynamic BSI masking vi the correlation on the infrared part of the spectrum was improved. The best compositing methods in terms of correlation with the reference data where the mean and median, but max BSI achieved the lower RMSE. In terms of error, most of the experiments achieved ubRMSE around 0.03 for the optical bands and 0.05 for the infrared bands, indicating the remaining effect of crop residue and soil moisture. The increase of maximum image cloud coverage, to include more images to the composite, did not improve the coverage of the composite. Results are encouraging and future work should assess the best composites on their ability to estimate topsoil properties, also facilitate the Harmonised Landsat Sentinel dataset to increase the bare soil frequency. Using complementary soil moisture data to further eliminate the effect of soil moisture and/or choose images from the season before the greening up period of the crops to eliminate the effects of crop residue could be also investigated.	en
heal.advisorName	Καράντζαλος, Κωνσταντίνος	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.committeeMemberName	Παπουτσής, Ιωάννης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	75 σ.	el
heal.fullTextAvailability	false